Academia de IAcinco cursos
Ctrl K
Manual de referência

Glossário

Um termo localizado, o original em inglês e uma definição em uma frase. Os nomes em inglês permanecem porque são usados na documentação, nos artigos e nas mensagens de erro.

O termo leva à lição onde é introduzido.
Manual de referência

Fontes

Documentação oficial, trabalhos revisados por pares, benchmarks abertos, padrões e catálogos de riscos. Tudo na língua original. As notas de rodapé nas lições levam até aqui.

Lista de literatura: 0 posições.Os nomes foram mantidos no idioma original.
Após os cursos

O que ler a seguir

Documentação, ferramentas, padrões e canais pelos quais a área é realmente atualizada. Sem barulho de notícias e listas de frameworks da moda.

Compreender os fundamentos

The Illustrated Transformer: análise com imagens ↗Attention Is All You Need: original ↗Deep Learning Book: livro didático gratuito ↗3Blue1Brown: redes neurais de forma visual ↗

Documentação da plataforma

Capacidades e preços dos modelos ↗Saída estruturada de acordo com o esquema ↗Chamada de ferramentas ↗Cache do prompt ↗Processamento em lote ↗Contagem de tokens ↗

Como construir agentes e linhas de produção

Building effective agents ↗Introducing Contextual Retrieval ↗Anthropic Cookbook: exemplos de trabalho ↗Model Context Protocol ↗LlamaIndex ↗LangChain ↗

Dados, busca e armazenamento

pgvector: vetores em PostgreSQL ↗Qdrant ↗Faiss ↗Elasticsearch: BM25 e busca vetorial ↗Não estruturado: preparação de documentos ↗Airbyte: conectores prontos para sistemas ↗dbt: transformações e qualidade dos dados ↗

Avaliação e observabilidade

Ragas: métricas RAG ↗Promptfoo: testes de prompts e modelos ↗Langfuse: rastreamento e avaliação ↗OpenTelemetry: convenções para IA ↗

Riscos, normas, regulamentação

OWASP Top 10 para aplicativos com LLM ↗NIST AI Risk Management Framework ↗EU IA Act: navegador pelo texto ↗GDPR: texto do regulamento ↗ISO/IEC 42001: sistema de gestão de IA ↗

Conferências de engenharia e padrões

MLSys: aprendizado de máquina e sistemas ↗OSDI: sistemas ↗Hot Chips ↗Open Compute Project ↗MLCommons Benchmarks ↗

Fluxos de novos trabalhos

arXiv cs.CL: processamento de linguagem ↗arXiv cs.IR: busca de informação ↗arXiv cs.LG: aprendizado de máquina ↗arXiv cs.DC: sistemas distribuídos ↗

Eixos pelos quais tudo muda

Não uma lista de taxas comerciais, mas direções técnicas ao longo das quais a prática se desloca. Cada um está relacionado com a lição.

Contrato em vez de acordos verbaisO esquema de resposta, chamada de ferramentas e campos verificáveis substituem a análise de texto livre.
Os dados são mais importantes que o modeloO corpus, sua atualidade e a busca nele determinam o teto do sistema mais rigidamente do que a classe do modelo.
Avaliação como parte do produtoO conjunto de avaliação e o modelo-juiz transformam as edições de suposição em trabalho mensurável.
Economia através de cache e batchCache e processamento em lote mudam a contagem de forma proporcional, ao contrário da escolha do modelo vizinho.
Limite de confiança nos dadosTudo o que o modelo leu são dados, e não um comando. Por isso toda a proteção contra injeções.
Autonomia pelo custo do erroO nível de autonomia é escolhido não pela beleza da demonstração, mas pelo custo do rollback.
A memória se tornou um gargaloLargura de banda e capacidade de memória crescem mais devagar que a aritmética, e daí vem quase toda a engenharia moderna.
Codesign em escala de rackChip, rede, energia e refrigeração deixaram de ser projetados de forma independente uns dos outros.
◎ English